输入文本线索,以改善从标签不佳的视频中检测异常事件
概括
这项研究引入了一个新的双分支框架,用于弱监督的视频异常检测 (WS-VAD),利用文本线索来提高准确性. 该方法通过整合文本引导的发现和完成来增强本地化,优于现有的方法.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 视频异常检测 (VAD) 旨在识别视频中的不寻常事件.
- 弱监督的VAD (WS-VAD) 使用视频级标签,平衡性能和注释成本.
- 由于有限的片段级数据,现有的WS-VAD方法与虚假报警和不完整的本地化作斗争.
研究的目的:
- 通过结合文本线索来改善弱监督的视频异常检测.
- 为了解决检测错误,如虚假报警和WS-VAD中不完整的本地化.
- 提出一个新的双分支框架,以提高VAD的性能.
主要方法:
- 一个双分支框架,集成了WS-VAD的文本线索.
- 以文本为导向的异常发现 (TAG) 分支,用于歧视性片段识别的层次匹配.
- 异常条件下文本完成 (ATC) 分支用于通过生成任务完成异常本地化.
- 相互学习战略与一致性约束跨行业知识共享.
主要成果:
- 提出的方法显著提高了WS-VAD的性能.
- 两个公共基准的实验结果表明,检测准确度更高.
- 双分支框架有效地抑制了正常环境,并增强了异常局部化.
结论:
- 通过双分支框架向WS-VAD注入文本线索是有效的.
- TAG和ATC分支机构,以及相互学习,增强异常检测和定位.
- 拟议的方法在弱监督的视频异常检测方面提供了有希望的进步.
更多相关视频
05:57Long-term Video Tracking of Cohoused Aquatic Animals: A Case Study of the Daily Locomotor Activity of the Norway Lobster Nephrops norvegicus
Published on: April 8, 2019
6.8K
03:31Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
Published on: December 15, 2023
478
